AI导哈

工具头服务器

一个确定性的MCP标准输入输出服务器，将每个包转换为可重用、结构化的工具头，供代理调用并接收机器验证的输出。

  • by wjkennedy
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 wjkennedy/mcp-packs

使用说明

MCP工具头

确定性MCP stdio服务器，将每个包转换为可重用的结构化工具头。客服可以自信地致电 pack.<pack_id>.<method> 并接收机器验证的输出，而不是散文。

为什么存在

  • 用于描述/需求/计划/执行/验证的稳定模式，因此客户永远不必猜测。
  • 纯stdio运输通过官方 mcp Python SDK，与Codex MCP和其他客户端兼容。
  • 包装保持独立(pack.jsonJSON模式、提示、示例）。放入一个新目录，注册表会自动加载它。
  • 模板生成确定性计划、程序和遥测，以便更高级别的LLM可以对其进行推理。

快速开始

python -m venv .venv
source .venv/bin/activate
pip install "mcp[cli]"
python server.py --packs-dir ./packs

在Codex注册一次：

codex mcp add pack-registry -- python server.py --packs-dir ./packs

在Codex TUI内部，运行 /mcp 确认服务器已启动。

包装布局

packs/
  quote-to-cash.0.1.0/
    pack.json
    schemas/
      context.schema.json
      output.schema.json
    prompts/
      plan.md
      execute.md
      validate.md
    examples/
      context.minimal.json
      context.full.json
      output.example.json

每个包都导出相同的工具：

  • pack.<pack_id>.describe
  • pack.<pack_id>.requirements
  • pack.<pack_id>.plan
  • pack.<pack_id>.execute
  • pack.<pack_id>.validate

每个工具都定义了自己的 inputSchema 和 outputSchema，因此发现通过 list_tools 通过以下方式执行 call_tool 开箱即用。

开发工作流程

  1. 激活virtualenv并安装 mcp[cli].
  2. 跑 python server.py --packs-dir ./packs.
  3. 从另一个终端（或您的MCP客户端）发出 call_tool 用于描述/需求/计划/执行/验证的命令。
  4. 在下面添加包示例 examples/ 因此，未来的贡献者可以重放最小和完整的上下文。

需要进行全面的烟雾测试吗？看 examples/full-spectrum-demo.md 了解在增长、收入和SEV1事件包中运行每个MCP工具方法的演练。

添加包时，保持提示确定性和仅ASCII。架构在缺少必填字段时应快速失败，以便服务器可以返回 needs_context 加 missing_fields 而不是产生幻觉。

创建新的刀头

需要新的能力吗？使用 A9刀头厂 要引导提示和模式，请将包文件夹放在以下位置 packs/.装载机在 server.py 将在下次启动服务器时自动注册。

此仓库有意避免机密，并通过环境变量（如 PACKS_DIR, MCP_SERVER_NAME，以及 MCP_SERVER_VERSION。保持贡献的确定性，以便下游代理可以将每个包视为可预测的工具头。

相关 MCP